기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 최신 의료 데이터 전략의 구성 요소
<a name="components"></a>

최신 의료 데이터 전략을 실행하려면 비즈니스 전략과 직접 관련된 사용 사례를 제공하는 데 중점을 두고 애자일 방법론을 채택합니다. 데이터에 대한 애자일 접근 방식을 채택하면 조직은 비즈니스 목표를 빠르게 달성할 수 있습니다. 데이터에 대한 애자일 방법론은 다음을 포함합니다.
+ **관점** - 안정적인 데이터 지원 제품을 설계하고 만드는 데 중점을 둡니다. 일선 작업자를 지원하고, 데이터 입력 부담을 최소화하며, 환자 경험을 개선하는 비즈니스 요구 사항을 개발합니다. 아이디어를 테스트하고, 실험하며, 학습한 내용을 캡처할 수 있는 안전한 환경을 조성합니다. 이러한 학습한 내용을 사용하여 향후 반복을 추진합니다. 데이터를 중요한 조직 자산으로 취급하고 다른 중요한 자산과 관련된 동일한 중요도를 따릅니다.
+ **소유권** - 비즈니스 리더와 기술 리더 간에 문제 및 성과에 대한 소유권을 공유합니다. 이들은 환자의 성과, 비용 효율성 및 규정 준수를 포함하여 조직의 전략적 비즈니스 목표를 정의해야 합니다. 예를 들어 비즈니스 및 IT 리더십이 모두 참여하는 *클라우드 혁신 센터*([CCoE](https://docs.aws.amazon.com/prescriptive-guidance/latest/cloud-center-of-excellence/introduction.html))를 구축할 수 있습니다. CCoE는 비즈니스 채택과 가치를 가속화하기 위한 공동 책임을 조성하는 데 도움이 됩니다. 동시에 CCoE는 클라우드의 혁신 잠재력을 수용하고 잘 설계된 데이터 솔루션을 보장하는 데 도움이 됩니다.
+ **데이터 문해력** - 임상 및 운영 대표를 포함하는 데이터 위원회를 구성하여 데이터 문해력을 장려합니다. 위원회 리더는 조직 전체와 해당 사업부 내에서 민첩성, 혁신 및 데이터 지향적 사고방식을 촉진하기 위해 노력해야 합니다. 데이터 문해력과 데이터 중심 비즈니스 혁신을 조정하는 로드맵을 생성합니다. 의사 결정 지원 시스템을 사용하고 데이터 기반 의사 결정을 내리도록 사업부 리더를 교육하고 장려합니다.
+ **거버넌스** - 조직 내 데이터 관리를 위한 정책, 절차 및 표준을 설명하는 데이터 거버넌스 프레임워크를 설정합니다. 데이터 품질, 데이터 개인 정보 보호, 데이터 보안 및 데이터 액세스에 대한 지침을 개발합니다. 규정 준수를 촉진하기 위해 이러한 지침을 설계합니다. 비즈니스 사용 사례를 구현할 때 거버넌스 프레임워크를 단계별로 구현합니다. 페더레이션 또는 분산 거버넌스 모델을 생성하여 협상할 수 없는 보안, 개인 정보 보호 및 규제 문제와 혁신 필요성의 균형을 조정합니다. 중앙 데이터 관리 기회(예: 중앙 환자 인덱스, 통합 데이터 카탈로그)를 식별합니다. 멀티모달 데이터를 통합하는 경우 엔터프라이즈에 미치는 잠재적 영향을 평가합니다.

  동시에 거버넌스는 필요한 사용자가 데이터에 빠르고 직관적으로 액세스할 수 있도록 데이터의 대중화를 촉진하여 사용자를 통제하는 것이 아니라 사용자의 역량을 강화할 수 있어야 합니다. 거버넌스 요구 사항을 보다 효율적으로 충족하고 일선 직원의 부담을 줄이려면 특별히 구축된 AWS [의료 규정 준수](https://aws.amazon.com/health/healthcare-compliance/) 도구 및 모범 사례를 사용하세요. 가능하면 데이터 및 분석가 팀에 미치는 영향을 줄일 수 있는 셀프 서비스 도구를 제공합니다.
+ **아티팩트** - 다양한 팀과 부서 간의 협업 및 데이터 공유를 개선하는 아티팩트를 정의하고 사용합니다. 주요 아티팩트로, 데이터 카탈로그, 데이터 사전 및 데이터 모델이 포함됩니다. 예를 들어 [AWS Glue Data Catalog](https://docs.aws.amazon.com/glue/latest/dg/start-data-catalog.html)를 사용하여 데이터를 카탈로그화합니다. [Amazon DataZone](https://aws.amazon.com/datazone/) 및 [AWS Clean Rooms](https://aws.amazon.com/clean-rooms/)를 사용하여 환자 개인 정보 보호를 손상시키거나 HIPAA 규정 준수 요구 사항을 위반하지 않고 의료 조직 내부 및 전반에서 특정 데이터 또는 데이터 인사이트를 공유할 수 있습니다.
+ **데이터 아키텍처** - 데이터 아키텍처를 설계하고 지속적으로 구체화합니다. 최신 의료 데이터 전략을 지원하는 아키텍처는 멀티모달 데이터 자산을 포함해야 합니다. 아키텍처 내의 소비자로부터 데이터 생산자를 분리하여 멀티모달 데이터를 처리하는 도메인 기반 접근 방식을 채택합니다. 스토리지, 보존 및 형식을 고려합니다. 강력한 메타데이터 관리를 통해 액세스 및 사용 편의성을 강조합니다.

  규정 준수 및 동의 관리와 같은 의료 관련 요구 사항은 데이터 처리 정책 및 절차를 정의하는 데 도움이 되어야 합니다. 환자, 공급자, 직원과 같은 비즈니스 엔터티를 고유하게 정의하는 데 필요한 중앙 데이터 표준을 정의하는 것이 좋습니다. 식별되지 않은 데이터세트를 정의하고 생성하여 프로세스 복잡성을 줄이면 보호 대상 건강 정보(PHI)에 액세스할 필요가 없는 사용 사례를 가속화하는 데 도움이 됩니다.
+ **기술** - 현재 비즈니스 요구 사항에 따라 목적별 서비스를 사용하는 클라우드 기반 아키텍처를 채택합니다. 조직이 혁신해야 하는 솔루션을 생성하되 가능하면 상용 솔루션과 관리형 서비스를 사용하여 팀이 혁신에 계속 집중할 수 있도록 합니다. 예를 들어 [예측 분석](https://aws.amazon.com/blogs/startups/healthcare-response-part-1-predictive-analytics-on-the-front-lines/)을 사용하여 선제적 지원 및 관리를 제공하고자 취약하거나 위험한 환자를 식별합니다. [Amazon Comprehend Medical](https://aws.amazon.com/comprehend/medical/)을 사용하여 의료 기록과 같은 비정형 및 반정형 데이터에서 정보를 쿼리하고 추출합니다. 일선 작업자가 의료 이미지를 보다 정확하고 효율적으로 처리할 수 있도록 [AWS HealthImaging](https://aws.amazon.com/blogs/machine-learning/new-amazon-healthlake-capabilities-enable-next-generation-imaging-solutions-and-precision-health-analytics/)을 사용합니다.
+ **데이터에 대한 액세스 대중화** - [Amazon DataZone](https://aws.amazon.com/datazone/)과 같은 카탈로그 도구를 사용하여 조직 데이터에 대한 투명성과 가시성을 높입니다. 이러한 도구는 사용 가능한 조직 데이터를 검색 및 탐색하고, 데이터 정의, 수명 주기 및 리니지를 이해하며, 데이터에 대한 액세스를 요청할 수 있는 기능을 제공합니다.
+ **사용 편의성** - 최신 의료 데이터 전략의 성공 여부는 사용 편의성에 따라 달라집니다. 조직 내 다양한 수준의 데이터 문해력을 평가하고 다양한 사용자 층에서 소비를 해결할 계획을 수립합니다. 조직 전체에서 현재 데이터 문해력 수준을 평가하고, 데이터 문해력 커리큘럼을 고안하며, 직원 및 교육 계획을 개발할 프로젝트 기회를 식별합니다. 교육 및 채택 요구 사항에 중점을 두고 직원이 속할 수 있는 다음 세 가지 광범위한 사용자 범주를 고려합니다.
  + **데이터 랭글러** - 이러한 사용자는 데이터에 익숙하며 절반 수준의 선별 기준이 적용된 데이터세트 및 선별되지 않은 데이터세트를 탐색하기 위한 기술 스킬 세트를 보유하고 있습니다. 생산성을 높이려면 이러한 사용자에게 필요한 도구 세트를 제공해야 합니다. [Amazon Athena](https://aws.amazon.com/athena/), [Amazon Redshift Spectrum](https://docs.aws.amazon.com/redshift/latest/dg/c-getting-started-using-spectrum.html), [AWS Glue DataBrew](https://aws.amazon.com/glue/features/databrew/) 및 [Amazon SageMaker AI Data Wrangler](https://aws.amazon.com/sagemaker/data-wrangler/)와 같은 AWS 서비스를 사용하면 이러한 사용자가 복잡한 데이터 엔지니어링 코드를 작성하지 않고도 서로 다른 데이터세트에 연결하고 통합할 수 있습니다.
  + **고급 사용자** - 이러한 사용자는 일반적으로 비즈니스 주제 전문가(SME)입니다. 데이터에 익숙하지만 기술 역량이 제한적입니다. 선별된 데이터세트를 사용하여 데이터의 가치를 활용합니다. 이러한 사용자는 그래픽 도구를 사용하여 간단한 데이터 수정 작업을 수행하고 매력적인 시각적 객체를 생성할 수 있습니다. [Amazon Quick](https://aws.amazon.com/pm/quicksight/)과 같은 AWS 서비스는 이러한 사용자가 데이터를 탐색, 편집, 정리, 조화, 시각화 및 공유하는 데 도움이 됩니다.
  + **소비자** - 비기술 임원 및 사업부 리더입니다. 이러한 사용자는 일반적으로 사전 구축된 보고서와 대화형 대시보드를 사용하는 것을 선호합니다. 이러한 사용자에게 안내식 데이터 탐색을 수행할 수 있는 방법을 제공하면 혁신과 중요한 비즈니스 결정을 가속화할 수 있습니다. 자연어 상호 작용을 통해 데이터 기반 인사이트를 도출할 수 있는 [Amazon Quick Q](https://aws.amazon.com/blogs/business-intelligence/announcing-generative-bi-capabilities-in-amazon-quicksight/)와 같은 생성형 비즈니스 인텔리전스(BI) 도구는이 사용자 범주에 도움이 될 수 있습니다.

전반적으로 최신 의료 데이터 전략은 비즈니스 전략과 직접 관련된 사용 사례 및 작업에 기반을 두어야 합니다. 또한 사고방식, 소유권, 아티팩트, 거버넌스 및 기술을 똑같이 중요한 구성 요소로 간주해야 합니다. 이렇게 하면 의료 조직이 데이터 중심으로 발전하고 민첩해질 수 있으며 조직의 통제 범위를 벗어난 조건에 대응하여 빠르게 전환할 수 있습니다.